pm-skills 情感分析技能实战面向产品经理的用户反馈规模化洞察与市场细分【免费下载链接】pm-skillsPM Skills Marketplace: 100 agentic skills, commands, and plugins — from discovery to strategy, execution, launch, and growth.项目地址: https://gitcode.com/GitHub_Trending/pm/pm-skills导读sentiment-analysis是 pm-skills 仓库中 pm-market-research 插件提供的核心 Agent 技能用于对大规模用户反馈评论、问卷、支持工单、NPS 响应进行情感打分、主题提炼与细分洞察。读完本文你将掌握该技能从数据输入、六步分析流程到细分画像 × 情感评分 × 产品适配 × 行动建议完整输出结构的全部细节并了解它如何与仓库中的/analyze-feedback命令及其他研究类技能细分、画像衔接成一条端到端的研究流水线。一、技能定位情感分析在 pm-skills 中的角色在 pm-skills 的技能市场中sentiment-analysis/SKILL.md 的 frontmatter 声明了它的触发场景分析用户反馈数据以识别带有情感评分、JTBD 与产品满意度洞察的市场细分适用于大规模反馈分析、评论/问卷情感分析、满意度模式识别等场景。该技能属于 pm-market-research 插件的七项研究类技能之一与 user-segmentation行为与需求细分、user-personas用户画像、market-segments市场细分互为补充情感分析负责在已有反馈中量化情绪并识别细分而细分与画像技能负责把反馈模式沉淀为可复用的用户模型。技能文件遵循仓库的通用格式规范每个skills/*/SKILL.md必须包含name与目录名一致和description含触发短语两个必需字段。这一规范由仓库根目录的 validate_plugins.py 中的validate_skill()强制校验该函数同时会检查描述长度建议 ≥30 字符与触发短语并提示词数过少50 词或过长3000 词的问题——从工具链层面保证每个技能文件描述清晰、可被 Agent 自动加载。二、输入处理接受任意格式的反馈数据技能要求 Agent 扮演资深用户研究员与反馈分析师专长于定性数据综合与规模化情感分析。输入上不设格式限制直接分析用户提供的CSV 文件、PDF、问卷响应、评论数据、社交聆听报告或其他反馈来源从数据中提取模式、主题与情感信号反馈类型示例NPS 问卷、应用商店评论、支持工单导出、调查回复、Slack 消息粘贴文本等。配套的 /analyze-feedback 命令frontmatter 中标注argument-hint: feedback data as CSV, text, or file进一步规范了接数前的澄清问题这是什么类型的反馈NPS、评论、支持工单、问卷……是否需要按细分分别分析用户层级、套餐、地域……分析目标是什么通用主题、特定问题、随时间的变化趋势……三、六步分析流程逐步思考技能定义了严格的六步分析流水线每一步都对应可交付的中间产物步骤名称关键动作1数据摄入读取全部反馈来源建立工作清单working inventory2细分识别识别至少 3 个不同的用户细分或画像3主题分析提取每个细分的反复出现主题、痛点与正面反馈4情感打分为每个细分的整体满意度赋予 -1 到 1 的情感分数5影响评估按频率、严重度与商业影响对洞察排序6综合成稿创建带整合洞察的细分画像其中第 4 步的情感分数是一个连续的 [-1, 1] 区间用于表达细分层面的整体满意度而非逐条反馈的二值分类第 2 步要求至少 3 个细分与 user-segmentation 技能最小 3 个细分、确保细分连贯且互不重叠的要求保持一致。在命令层面/analyze-feedback 将上述步骤落地为可执行操作情感分类正/中/负→ 主题提取与聚类 → 频次统计 → 按细分的拆解分析 →有日期时趋势检测并输出情感增强后的 CSV方便用户在自己的工具中继续使用。四、输出结构逐细分的七段式洞察报告技能的独到之处在于输出结构高度模板化——对每个识别出的细分强制输出以下七部分4.1 细分画像Segment Profile名称/标识与共同特征反馈数据集中的用户数或占比主要使用场景或上下文。4.2 待完成的工作Jobs-to-be-Done该细分试图完成的核心任务关联的期望结果。JTBD 是整个 pm-market-research 插件共享的分析语言user-segmentation、user-personas、market-segments 技能都要求围绕 JTBD 而非纯人口统计特征来刻画用户情感分析在此处保持同一口径保证多技能产出可以互相拼合。4.3 情感分数与满意度水平整体情感分数-1 到 1关键的满意度驱动因素与负面因素适用时给出 NPS 代理值。4.4 正面反馈主题该细分喜欢产品的哪些方面对应$ARGUMENTS参数用户视角的关键优势成功用例示例。4.5 痛点与批评最高频的投诉或挫败点未满足的需求或缺失功能用户旅程中的摩擦点有原文时给出用户直接引语。4.6 产品-细分适配评估产品对该细分需求的满足程度通过产品变更提升适配度的潜力流失或不满的风险。4.7 可执行的行动建议每个细分 2~3 条高影响改进速赢项 vs. 战略性举措应优先或降级处理的细分。命令层面对应的报告模板见 /analyze-feedback还补充了顶层汇总整体情感分布正 X% / 中 Y% / 负 Z%、平均情感分、趋势改善/稳定/下滑、主题表主题×提及数×情感×受影响细分、主题深潜用户怎么说→根本原因→影响→建议重复 top 5-8 个主题、细分对比表、代表性引语、随时间趋势与行动洞察最后以数据缺口收尾提示该反馈未覆盖的信息与后续研究建议。五、NPS 场景的专门处理/analyze-feedback 的 Notes 对 NPS 数据给出了明确的专门约定分别分析Detractors0-6 分、Passives7-8 分、Promoters9-10 分三个群体NPS 反馈是情感分析最典型的输入之一命令调用示例即包含上传 NPS 响应 CSV。在情感分数之外命令模板要求给出 NPS 代理值使输出能同时回答用户有多满意与用户愿意推荐吗两个问题。六、最佳实践保证结论可追溯与可信技能列出了七条分析纪律既是 Agent 的执行约束也是使用者验收产出的检查清单所有发现必须锚定真实用户反馈并标注来源细分内部同时识别主流与少数派观点区分功能请求与根本性痛点考虑用户所处的情境与约束标记样本量过小或情感不确定的细分寻找跨细分的共性与普遍痛点对产品优劣势给出平衡视角。命令层面对应的注意事项包括情感分析是近似方法需标记讽刺、混合情感、非英文文本等边界情况主题提取要看到请求背后的需要而非表面话题细分样本量过小时要注明置信度不足。这些约束共同构成了可被引用、可被复核的研究输出标准。七、与其他技能/命令的衔接情感分析的结果天然是下游研究的输入。/analyze-feedback 在报告完成后会主动建议三个后续动作想让我根据这些反馈模式创建用户画像吗 → 衔接 user-personas要我把主题作为功能请求分诊吗 → 衔接 pm-product-discovery 插件的analyze-feature-requests技能想让我设计访谈脚本深挖某个主题吗 → 衔接 pm-product-discovery 插件的interview-script技能。这种命令调用技能、命令与命令首尾衔接的设计正是仓库的核心机制技能是领域知识的积木命令把多个技能串成端到端流程详见根目录 README.md 的 How It Works 章节。在实际使用中Agent 会在对话相关时自动加载sentiment-analysis技能如需强制加载可用/pm-market-research:sentiment-analysis形式显式指定。八、使用方式与适用范围技能文件skills/*/SKILL.md采用通用技能格式可被任何读取该格式的工具使用/slash命令为 Claude 特有。安装 pm-market-research 插件后claude plugin install pm-market-researchpm-skills或使用 Codex 时codex plugin add pm-market-researchpm-skills详见根目录 README.md 的安装章节即可直接触发情感分析能力。适用边界需注意情感分析结果应视为量化近似而非精确测量——讽刺表达、混合情感与非英语文本都可能造成误判当细分样本量不足时结论置信度有限。本技能聚焦于反馈数据的结构化洞察不涉及市场规模的测算那是 market-sizing 技能的范畴也不替代行为数据的细分验证技能建议在数据可用时用产品使用数据交叉验证细分。九、小结sentiment-analysis技能把规模化定性反馈 → 结构化商业洞察这一研究路径固化为可复现的流程六步分析保证方法论完整七段式细分输出保证结论可操作最佳实践清单保证证据可追溯。配合 /analyze-feedback 命令的端到端模板产品经理可以把数千条评论、问卷与工单沉淀为一份按细分组织、带情感评分与行动建议的研究报告并直接衔接画像、需求分诊与访谈设计等后续研究环节。【免费下载链接】pm-skillsPM Skills Marketplace: 100 agentic skills, commands, and plugins — from discovery to strategy, execution, launch, and growth.项目地址: https://gitcode.com/GitHub_Trending/pm/pm-skills创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 pm-skills 情感分析技能实战：面向产品经理的用户反馈规模化洞察与市场细分
pm-skills 情感分析技能实战面向产品经理的用户反馈规模化洞察与市场细分【免费下载链接】pm-skillsPM Skills Marketplace: 100 agentic skills, commands, and plugins — from discovery to strategy, execution, launch, and growth.项目地址: https://gitcode.com/GitHub_Trending/pm/pm-skills导读sentiment-analysis是 pm-skills 仓库中 pm-market-research 插件提供的核心 Agent 技能用于对大规模用户反馈评论、问卷、支持工单、NPS 响应进行情感打分、主题提炼与细分洞察。读完本文你将掌握该技能从数据输入、六步分析流程到细分画像 × 情感评分 × 产品适配 × 行动建议完整输出结构的全部细节并了解它如何与仓库中的/analyze-feedback命令及其他研究类技能细分、画像衔接成一条端到端的研究流水线。一、技能定位情感分析在 pm-skills 中的角色在 pm-skills 的技能市场中sentiment-analysis/SKILL.md 的 frontmatter 声明了它的触发场景分析用户反馈数据以识别带有情感评分、JTBD 与产品满意度洞察的市场细分适用于大规模反馈分析、评论/问卷情感分析、满意度模式识别等场景。该技能属于 pm-market-research 插件的七项研究类技能之一与 user-segmentation行为与需求细分、user-personas用户画像、market-segments市场细分互为补充情感分析负责在已有反馈中量化情绪并识别细分而细分与画像技能负责把反馈模式沉淀为可复用的用户模型。技能文件遵循仓库的通用格式规范每个skills/*/SKILL.md必须包含name与目录名一致和description含触发短语两个必需字段。这一规范由仓库根目录的 validate_plugins.py 中的validate_skill()强制校验该函数同时会检查描述长度建议 ≥30 字符与触发短语并提示词数过少50 词或过长3000 词的问题——从工具链层面保证每个技能文件描述清晰、可被 Agent 自动加载。二、输入处理接受任意格式的反馈数据技能要求 Agent 扮演资深用户研究员与反馈分析师专长于定性数据综合与规模化情感分析。输入上不设格式限制直接分析用户提供的CSV 文件、PDF、问卷响应、评论数据、社交聆听报告或其他反馈来源从数据中提取模式、主题与情感信号反馈类型示例NPS 问卷、应用商店评论、支持工单导出、调查回复、Slack 消息粘贴文本等。配套的 /analyze-feedback 命令frontmatter 中标注argument-hint: feedback data as CSV, text, or file进一步规范了接数前的澄清问题这是什么类型的反馈NPS、评论、支持工单、问卷……是否需要按细分分别分析用户层级、套餐、地域……分析目标是什么通用主题、特定问题、随时间的变化趋势……三、六步分析流程逐步思考技能定义了严格的六步分析流水线每一步都对应可交付的中间产物步骤名称关键动作1数据摄入读取全部反馈来源建立工作清单working inventory2细分识别识别至少 3 个不同的用户细分或画像3主题分析提取每个细分的反复出现主题、痛点与正面反馈4情感打分为每个细分的整体满意度赋予 -1 到 1 的情感分数5影响评估按频率、严重度与商业影响对洞察排序6综合成稿创建带整合洞察的细分画像其中第 4 步的情感分数是一个连续的 [-1, 1] 区间用于表达细分层面的整体满意度而非逐条反馈的二值分类第 2 步要求至少 3 个细分与 user-segmentation 技能最小 3 个细分、确保细分连贯且互不重叠的要求保持一致。在命令层面/analyze-feedback 将上述步骤落地为可执行操作情感分类正/中/负→ 主题提取与聚类 → 频次统计 → 按细分的拆解分析 →有日期时趋势检测并输出情感增强后的 CSV方便用户在自己的工具中继续使用。四、输出结构逐细分的七段式洞察报告技能的独到之处在于输出结构高度模板化——对每个识别出的细分强制输出以下七部分4.1 细分画像Segment Profile名称/标识与共同特征反馈数据集中的用户数或占比主要使用场景或上下文。4.2 待完成的工作Jobs-to-be-Done该细分试图完成的核心任务关联的期望结果。JTBD 是整个 pm-market-research 插件共享的分析语言user-segmentation、user-personas、market-segments 技能都要求围绕 JTBD 而非纯人口统计特征来刻画用户情感分析在此处保持同一口径保证多技能产出可以互相拼合。4.3 情感分数与满意度水平整体情感分数-1 到 1关键的满意度驱动因素与负面因素适用时给出 NPS 代理值。4.4 正面反馈主题该细分喜欢产品的哪些方面对应$ARGUMENTS参数用户视角的关键优势成功用例示例。4.5 痛点与批评最高频的投诉或挫败点未满足的需求或缺失功能用户旅程中的摩擦点有原文时给出用户直接引语。4.6 产品-细分适配评估产品对该细分需求的满足程度通过产品变更提升适配度的潜力流失或不满的风险。4.7 可执行的行动建议每个细分 2~3 条高影响改进速赢项 vs. 战略性举措应优先或降级处理的细分。命令层面对应的报告模板见 /analyze-feedback还补充了顶层汇总整体情感分布正 X% / 中 Y% / 负 Z%、平均情感分、趋势改善/稳定/下滑、主题表主题×提及数×情感×受影响细分、主题深潜用户怎么说→根本原因→影响→建议重复 top 5-8 个主题、细分对比表、代表性引语、随时间趋势与行动洞察最后以数据缺口收尾提示该反馈未覆盖的信息与后续研究建议。五、NPS 场景的专门处理/analyze-feedback 的 Notes 对 NPS 数据给出了明确的专门约定分别分析Detractors0-6 分、Passives7-8 分、Promoters9-10 分三个群体NPS 反馈是情感分析最典型的输入之一命令调用示例即包含上传 NPS 响应 CSV。在情感分数之外命令模板要求给出 NPS 代理值使输出能同时回答用户有多满意与用户愿意推荐吗两个问题。六、最佳实践保证结论可追溯与可信技能列出了七条分析纪律既是 Agent 的执行约束也是使用者验收产出的检查清单所有发现必须锚定真实用户反馈并标注来源细分内部同时识别主流与少数派观点区分功能请求与根本性痛点考虑用户所处的情境与约束标记样本量过小或情感不确定的细分寻找跨细分的共性与普遍痛点对产品优劣势给出平衡视角。命令层面对应的注意事项包括情感分析是近似方法需标记讽刺、混合情感、非英文文本等边界情况主题提取要看到请求背后的需要而非表面话题细分样本量过小时要注明置信度不足。这些约束共同构成了可被引用、可被复核的研究输出标准。七、与其他技能/命令的衔接情感分析的结果天然是下游研究的输入。/analyze-feedback 在报告完成后会主动建议三个后续动作想让我根据这些反馈模式创建用户画像吗 → 衔接 user-personas要我把主题作为功能请求分诊吗 → 衔接 pm-product-discovery 插件的analyze-feature-requests技能想让我设计访谈脚本深挖某个主题吗 → 衔接 pm-product-discovery 插件的interview-script技能。这种命令调用技能、命令与命令首尾衔接的设计正是仓库的核心机制技能是领域知识的积木命令把多个技能串成端到端流程详见根目录 README.md 的 How It Works 章节。在实际使用中Agent 会在对话相关时自动加载sentiment-analysis技能如需强制加载可用/pm-market-research:sentiment-analysis形式显式指定。八、使用方式与适用范围技能文件skills/*/SKILL.md采用通用技能格式可被任何读取该格式的工具使用/slash命令为 Claude 特有。安装 pm-market-research 插件后claude plugin install pm-market-researchpm-skills或使用 Codex 时codex plugin add pm-market-researchpm-skills详见根目录 README.md 的安装章节即可直接触发情感分析能力。适用边界需注意情感分析结果应视为量化近似而非精确测量——讽刺表达、混合情感与非英语文本都可能造成误判当细分样本量不足时结论置信度有限。本技能聚焦于反馈数据的结构化洞察不涉及市场规模的测算那是 market-sizing 技能的范畴也不替代行为数据的细分验证技能建议在数据可用时用产品使用数据交叉验证细分。九、小结sentiment-analysis技能把规模化定性反馈 → 结构化商业洞察这一研究路径固化为可复现的流程六步分析保证方法论完整七段式细分输出保证结论可操作最佳实践清单保证证据可追溯。配合 /analyze-feedback 命令的端到端模板产品经理可以把数千条评论、问卷与工单沉淀为一份按细分组织、带情感评分与行动建议的研究报告并直接衔接画像、需求分诊与访谈设计等后续研究环节。【免费下载链接】pm-skillsPM Skills Marketplace: 100 agentic skills, commands, and plugins — from discovery to strategy, execution, launch, and growth.项目地址: https://gitcode.com/GitHub_Trending/pm/pm-skills创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考